Publication

Single trial detection of spatial covert visual attention for BCI

José del Rocio Millán Ruiz, Robert Leeb, Luca Tonin
2011
Conference Papers

Résumé

This paper discusses a time-dependent classification approach for single trial recognition of spatial covert visual attention for Brain–Computer Interface. Covert visual attention is a natural and intuitive mental task that does not require any external stimulation. The possibility to recognize it from single trials is essential for a future online close-loop BCI. Experimental results indicate the feasibility of the proposed approach and its high performance in an offline study. We achieved an accuracy of 84.1±8.9% with a rejection of 6.5±6.6% averaged across subjects.

Source officielle

https://infoscience.epfl.ch/entities/publication/c77a373f-066f-4b40-932d-11dcf1de016e

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Single trial detection of spatial covert visual attention for BCI

Chattez avec Graph Search

Investigating neural resource allocation in the sensorimotor control of extra limbs

Text-to-Microstructure Generation Using Generative Deep Learning

Customizing the human-avatar mapping based on EEG error related potentials during avatar-based interaction